مقدمه
در پسزمینه رشد سریع بازار جهانی بیومتریک، فناوری تشخیص عنبیه، با مزایای منحصربهفرد خود از دقت بالا و امنیت بالا، به راهحل ترجیحی برای سناریوهای کلیدی مانند پرداختهای مالی، امنیت مرزی و شهرهای هوشمند تبدیل میشود. طبق پیشبینیهای مؤسسات تحقیقات بازار، اندازه بازار جهانی تشخیص عنبیه از 5.14 میلیارد دلار آمریکا در سال 2025 به 12.92 میلیارد دلار آمریکا در سال 2030 خواهد رسید که نرخ رشد سالانه مرکب (CAGR) 20.3٪ را نشان میدهد.
شکل 1: روند رشد اندازه بازار جهانی تشخیص عنبیه (پیشبینی 2025-2030)
در این مقطع حساس از تحول صنعتی، فناوری Homsh با اتکا به دو اختراع اصلی خود یعنی «یک سیستم و روش بازیابی سریع عنبیه مبتنی بر پایگاه داده برداری» و «یک روش رمزگذاری ویژگی پیوسته عنبیه مبتنی بر شبکههای عصبی عمیق» با موفقیت یک ارتقای جهشی از فناوری تشخیص عنبیه از پارادایم سنتی به پارادایم هوش مصنوعی به دست آورده است و موقعیت نوآورانهای مهم را در خط مقدم فناوری تشخیص عنبیه در چین و جهان ایجاد کرده است.
پیشینه فنی: تنگناهای روشهای سنتی و فرصتها در عصر هوش مصنوعی
از زمان تجاریسازی فناوری تشخیص عنبیه در دهه 1990، این فناوری به مدت طولانی به روش رمزگذاری IrisCode مبتنی بر فیلترهای گابور متکی بوده است. این روش ویژگیهای بافت عنبیه را از طریق فیلترهای گابور چند مقیاسی و چند جهته استخراج میکند، آنها را به کدهای باینری 2048 بیتی تبدیل میکند و از فاصله همینگ برای تطبیق استفاده میکند. با این حال، این پارادایم سنتی با سه تنگنای اصلی مواجه است: اول، فیلترهای ثابت نمیتوانند با تفاوتهای کیفی تصاویر عنبیه مختلف سازگار شوند. دوم، رمزگذاری باینریسازی باعث از دست رفتن اطلاعات قابل توجهی میشود و در نتیجه نرخ خطای برابر (EER) فقط حدود 1.75٪ در مجموعه آزمون استاندارد CASIA-Iris-Lamp به دست میآید. سوم، سرعت بازیابی در پایگاههای داده بزرگ (بیش از یک میلیون سطح) کند است و این امر باعث میشود که پاسخگویی به نیازهای برنامههای کاربردی بیدرنگ دشوار شود.
شکل 2: مقایسه پارادایم فناوری تشخیص عنبیه - رمزگذاری IrisCode سنتی در مقابل رمزگذاری ویژگی پیوسته یادگیری عمیق
با بلوغ فناوری یادگیری عمیق و انباشت مجموعههای داده در مقیاس بزرگ، تشخیص عنبیه وارد یک پنجره فرصت برای تغییر پارادایم از «ویژگیهای دستساز» به «یادگیری سرتاسری» شده است. تحقیقات اخیر دانشگاهی نشان داده است که روشهای تشخیص عنبیه مبتنی بر شبکههای عصبی عمیق، پتانسیل فراتر از روشهای سنتی را نشان دادهاند. به عنوان مثال، مدل IrisFormer پیشرفته دانشگاهی میتواند EER 0.88٪ را در همان مجموعه داده به دست آورد. با این حال، چگونگی تبدیل دستاوردهای دانشگاهی به راهحلهای فنی مهندسیشده با رقابتپذیری صنعتی، یک چالش مشترک است که صنعت با آن مواجه است.
نوآوری فنی: دو پتنت برای ایجاد یک راهحل هوش مصنوعی کامل با هم همکاری میکنند
دو پتنت اصلی که این بار توسط فناوری Homsh منتشر شدهاند، تنگناهای فنی تشخیص عنبیه سنتی را از دو بعد - «نمایش ویژگی» و «بهرهوری بازیابی» - بهطور سیستماتیک حل میکنند و یک حلقه بسته فنی کامل از رمزگذاری جلویی تا بازیابی پشتی را تشکیل میدهند.
شکل 3: معماری مشترک دو پتنت فناوری Homsh - سیستم تشخیص عنبیه سرتاسری
پتنت 1: یک روش رمزگذاری ویژگی پیوسته عنبیه مبتنی بر شبکههای عصبی عمیق
این پتنت بهطور نوآورانهای معماری شبکه عصبی کانولوشنال EfficientNet-B3 را در زمینه بینایی کامپیوتر با تابع تلفات حاشیهای زاویهای ArcFace در زمینه تشخیص چهره ترکیب میکند و برای اولین بار رمزگذاری یادگیری عمیق سرتاسری ویژگیهای عنبیه را محقق میکند. نوآوریهای اصلی آن عبارتند از:
1. استخراج ویژگی تطبیقی: EfficientNet-B3 از طریق استراتژی مقیاسبندی ترکیبی (توسعه متعادل سهبعدی عمق، عرض و وضوح) و ماژولهای MBConv کارآمد (ساختار باقیمانده معکوس + مکانیسم توجه فشردهسازی و تحریک)، استخراج ویژگیهای بسیار متمایز بافتهای عنبیه را تحت محدودیت تنها 12.14 میلیون پارامتر به دست میآورد. در مقایسه با فیلترهای گابور ثابت، مدل میتواند بهطور خودکار نمایش ویژگی بهینه را یاد بگیرد.
2. رمزگذاری ویژگی پیوسته: با شکستن محدودیت کوانتیزاسیون باینریسازی IrisCode سنتی، بردار ویژگی پیوسته 512 بعدی float32 را با ظرفیت اطلاعاتی 16384 بیت (8 برابر IrisCode) خروجی میدهد. فضای ویژگی از یک فضای همینگ گسسته به یک فضای اقلیدسی پیوسته ارتقا یافته است و امکان اندازهگیری شباهت دقیقتر را فراهم میکند.
3. بهینهسازی حاشیه زاویهای ArcFace: در فضای ویژگی کروی نرمالشده، افزودن یک حاشیه زاویهای 10 درجه، تجمیع درونکلاسی و جداسازی بینکلاسی را مجبور میکند، زاویه بین بردارهای ویژگی عنبیه یکسان را کاهش میدهد و زاویه بین افراد مختلف را گسترش میدهد و بهطور قابل توجهی قابلیت تمایز ویژگیها را بهبود میبخشد. تأیید تجربی نشان میدهد که در مقایسه با تلفات Softmax استاندارد، ArcFace EER را 45.4٪ کاهش میدهد.
4. نمونهبرداری دستهای متعادل کلاس: برای حل مشکل تعداد نمونههای نامنظم در بین افراد مختلف در مجموعههای داده عنبیه، یک استراتژی نمونهبرداری متعادل کلاس نوآورانه طراحی شده است. هر دسته آموزشی شامل 16 کلاس با 8 نمونه در هر کلاس است و اطمینان حاصل میکند که تابع تلفات ArcFace میتواند بهطور کامل مرزهای بین کلاسها را یاد بگیرد و همگرایی را 30٪ در مقایسه با نمونهبرداری تصادفی تسریع کند.
پتنت 2: یک سیستم و روش بازیابی سریع عنبیه مبتنی بر پایگاه داده برداری
این پتنت برای اولین بار در سطح جهانی، فناوری پایگاه داده برداری FAISS (جستجوی شباهت هوش مصنوعی فیسبوک) را در زمینه تشخیص عنبیه اعمال میکند و بازیابی در سطح میلیثانیه را در یک پایگاه داده یک میلیون نفری محقق میکند و پشتیبانی فنی کلیدی را برای استفاده بیدرنگ از سیستمهای تشخیص عنبیه در مقیاس بزرگ فراهم میکند. نوآوریهای اصلی آن عبارتند از:
1. ساخت شاخص برداری FAISS: پس از نرمالسازی L2 بردارهای ویژگی عنبیه 512 بعدی استخراج شده توسط یادگیری عمیق، از نوع شاخص IndexFlatIP از FAISS برای ذخیرهسازی استفاده میشود. این نوع شاخص بر اساس جستجوی شباهت ضرب داخلی است که معادل شباهت کسینوسی بردارهای نرمالشده است. در مقایسه با جستجوی بیدرنگ NumPy، در یک پایگاه داده با مقیاس 10000 نفری، 15.9 برابر شتاب CPU و 75.0 برابر شتاب GPU به دست میآید.
2. استراتژی شاخص هوشمند: یک معماری شاخص چند سطحی نوآورانه طراحی شده است. از طریق بهینهسازی توزیع ویژگی و خوشهبندی تطبیقی، از عدم تطابق جلوگیری میشود و حالتهای تشخیص انعطافپذیر پشتیبانی میشوند و دقت تشخیص و استحکام سیستم بهطور قابل توجهی بهبود مییابد.
3. طراحی ساختار داده کارآمد: سیستم فایلهای شاخص FAISS (.index.faiss) و فایلهای فراداده (.meta.json) را جداگانه ذخیره میکند. فایلهای شاخص مستقیماً به حافظه برای جستجوی نزدیکترین همسایه تقریبی نگاشت میشوند، در حالی که فایلهای فراداده اطلاعات تجاری مانند شناسه پرسنل، زمان جمعآوری و شماره دستگاه را ذخیره میکنند. تأخیر پرس و جو در عرض 8.5 میلیثانیه (حالت CPU) کنترل میشود.
4. ادغام یکپارچه مدلهای یادگیری عمیق: قسمت جلویی سیستم از EfficientNet-B5 (112MB ONNX) برای تقسیم عنبیه برای استخراج ناحیه مورد نظر استفاده میکند. قسمت پشتی از EfficientNet-B3+ArcFace (44MB ONNX) برای استخراج ویژگی استفاده میکند. کل فرآیند از ورودی تصویر تا خروجی نتیجه بازیابی، سرتاسری بهینه شده است و از هر دو حالت استنتاج CPU و GPU پشتیبانی میکند و با سناریوهای مختلف استقرار مانند دستگاههای لبه و سرورها سازگار است.
شاخصهای فنی: رسیدن به سطوح جهانی
آزمایشهای دقیق بر روی مجموعه داده عنبیه استاندارد بینالمللی CASIA-Iris-Lamp (573 نفر، 11845 تصویر) نشان میدهد که راهحل دو پتنت فناوری Homsh به شاخصهای پیشرفت زیر دست یافته است:
شکل 4: مقایسه عملکرد تشخیص عنبیه (مجموعه داده CASIA-Iris-Lamp)
1. نرخ خطای برابر (EER): 0.70٪. در مقایسه با روش سنتی گابور + فاصله همینگ (EER 1.75٪)، نرخ خطا 60٪ کاهش یافته است. در مقایسه با راهحل پایه EfficientNet-B3 قبلی فناوری Homsh (EER 2.66٪)، نرخ خطا 73.7٪ کاهش یافته است. در مقایسه با مدل IrisFormer پیشرفته دانشگاهی (EER 0.88٪)، عملکرد 20.5٪ بهبود یافته است و موقعیت پیشرو در سطح جهانی را در صنعت ایجاد میکند.
2. دقت تشخیص (AUC): 99.97٪، نشان میدهد که حتی در نرخ تشخیص نادرست بسیار پایین نیز میتوان نرخ تشخیص صحیح بسیار بالایی را حفظ کرد.
3. سرعت بازیابی: در یک پایگاه داده با مقیاس 10000 نفری، میانگین تأخیر بازیابی 8.5 میلیثانیه در حالت CPU FAISS با توان عملیاتی 117.6 QPS است. تأخیر بازیابی 1.8 میلیثانیه در حالت GPU با توان عملیاتی 555.6 QPS است. در مقایسه با جستجوی بیدرنگ NumPy سنتی، به ترتیب 15.9 برابر و 75.0 برابر شتاب به دست میآید که بهطور کامل نیازهای برنامههای کاربردی بیدرنگ را برآورده میکند.
4. کارایی مدل: مدل استخراج ویژگی EfficientNet-B3 تنها 12.14 میلیون پارامتر دارد که زمان استنتاج ONNX آن 8 میلیثانیه (CPU) و ردپای حافظه 1.8 گیگابایت است و از استقرار در دستگاههای لبه و ترمینالهای تلفن همراه پشتیبانی میکند. از طریق کوانتیزاسیون INT8، اندازه مدل را میتوان بیشتر به 11.2 مگابایت فشرده کرد، زمان استنتاج را به 5 میلیثانیه کاهش داد و ردپای حافظه را به 0.5 گیگابایت کاهش داد.
رهبری صنعت: نوآوریهای دوگانه از تراشههای ASIC تا پارادایمهای هوش مصنوعی
فناوری Homsh دارای انباشت فنی منحصربهفرد و ژنهای نوآورانه در خط مقدم فناوری تشخیص عنبیه چین است. این شرکت در اوایل سال 2020، اولین تراشه ASIC جهان را که به تشخیص عنبیه اختصاص داشت، با موفقیت توسعه داد و از تنگنای شتاب سختافزاری الگوریتمهای تشخیص عنبیه عبور کرد، سرعت تشخیص را به سطح میلیثانیه افزایش داد و یک پایه سختافزاری برای تجاریسازی در مقیاس بزرگ فناوری تشخیص عنبیه ایجاد کرد. این نوآوری به فناوری Homsh یک مزیت پیشرو در فرآیند صنعتیسازی داده است.
با ورود به عصر هوش مصنوعی، فناوری Homsh بهطور دقیق فرصت فناوری یادگیری عمیق را برای بازسازی پارادایم تشخیص عنبیه درک کرد، قاطعانه در منابع تحقیق و توسعه سرمایهگذاری کرد و یک ارتقای پارادایم از «پردازش سیگنال سنتی» به «یادگیری عمیق سرتاسری» را در دو بعد اصلی به دست آورد: روشهای رمزگذاری و سیستمهای بازیابی. راهحل دو پتنت که این بار منتشر شد، نه تنها به سطح EER جهانی 0.7٪ در شاخصهای فنی دست مییابد، بلکه مهمتر از آن، کاربرد پیشگامانه جهانی پایگاه داده برداری FAISS را در زمینه تشخیص عنبیه محقق میکند و شکاف موجود در این مسیر فنی را پر میکند. این نشان میدهد که فناوری Homsh تحول استراتژیک از یک «نوآور تراشه» به یک «رهبر پارادایم هوش مصنوعی» را تکمیل کرده است و یک ارتفاع فرماندهی فناوری را در عصر تشخیص عنبیه هوشمند ایجاد کرده است.
کاربردهای بالقوه: توانمندسازی ارتقای هوشمند در زمینههای متعدد
راهحل دو پتنت فناوری Homsh با مزایای فنی خود از دقت بالا، سرعت بالا و استقرار آسان، میتواند بهطور گسترده در سناریوهای زیر اعمال شود:
شکل 5: سناریوهای کاربردی راهحل دو پتنت فناوری Homsh
پرداختهای مالی
استقرار تشخیص عنبیه در دستگاههای خودپرداز بانکی و ترمینالهای پرداخت موبایلی، EER فوقالعاده پایین 0.7٪ امنیت وجوه را تضمین میکند، سرعت تشخیص 8 میلیثانیه یک تجربه کاربری روان را فراهم میکند و حالت تکچشمی از کاربران عینکی پشتیبانی میکند.
امنیت مرزی
استقرار سیستمهای تشخیص عنبیه در مقیاس بزرگ در فرودگاهها و بنادر، پایگاه داده برداری FAISS بازیابی در سطح میلیثانیه را در یک پایگاه داده یک میلیون نفری پشتیبانی میکند و استراتژی همجوشی چندوجهی دقت را بیشتر بهبود میبخشد و از تقلب در هویت بهطور موثر جلوگیری میکند.
پارکهای هوشمند
استقرار کنترل دسترسی عنبیه در پارکهای سازمانی و آژانسهای دولتی، مدل کوانتیزهشده INT8 از استقرار محلی در دستگاههای لبه (دستگاههای کنترل دسترسی، گیتهای گردان) پشتیبانی میکند و امکان تشخیص بیدرنگ بدون شبکهسازی و اطمینان از حریم خصوصی دادهها را فراهم میکند.
مراقبتهای بهداشتی
ادغام تشخیص عنبیه در سیستمهای HIS بیمارستانی برای مرتبط کردن دقیق هویت بیماران با سوابق پزشکی الکترونیکی، اجتناب از سردرگمی ناشی از نام یکسان و بهبود ایمنی پزشکی. ایجاد یک شناسه بیومتریک منحصربهفرد در مدیریت نوزادان برای جلوگیری از آدمربایی نوزاد.
امنیت عمومی
استقرار تشخیص عنبیه در سیستمهای نظارت شهری، همراه با تجهیزات جمعآوری عنبیه از راه دور، برای تحقق هشدار اولیه نظارت و کنترل پرسنل کلیدی. حالت استنتاج GPU از تجزیه و تحلیل بیدرنگ با همزمانی بالا پشتیبانی میکند.
اظهارات مدیرعامل: دکتر یی کایجون، مدیرعامل
دکتر یی کایجون، مدیرعامل فناوری Homsh، در یک مصاحبه اظهار داشت: «تحقیق و توسعه موفقیتآمیز این دو پتنت، نتیجه بیش از یک دهه انباشت فنی و سرمایهگذاری مستمر فناوری Homsh در نوآوری است. ما عمیقاً درک میکنیم که در زمینه بسیار رقابتی بیومتریک، تنها با تسلط بر فناوریهای اصلی میتوانیم شکستناپذیر بمانیم. از نوآوری تراشه ASIC قبل از سال 2020 تا پیشرفتهای دوگانه امروزی در یادگیری عمیق + پایگاه داده برداری، فناوری Homsh همواره به ادغام عمیق فناوری پیشرفته و نیازهای صنعتی پایبند بوده است. شاخص EER 0.7٪ فقط یک عدد نیست. این نشاندهنده تعادل بهینه بین «امنیت» و «قابلیت استفاده» است که توسط سیستم به دست آمده است. برای سناریوهای کلیدی مانند امور مالی و بررسیهای امنیتی، این به معنای تضمینهای امنیتی بالاتر و تجربه کاربری بهتر است.»
«مهمتر از آن، ما اولین نفر در جهان هستیم که فناوری پایگاه داده برداری FAISS را در زمینه تشخیص عنبیه معرفی میکنیم. این نوآوری امکانات جدیدی را برای استفاده بیدرنگ از سیستمهای تشخیص عنبیه در مقیاس بزرگ باز میکند. در آینده، ما به تعمیق تلاشهای خود در زمینه هوش مصنوعی + بیومتریک، ارتقای کاربرد فناوری تشخیص عنبیه در سناریوهای بیشتر و کمک به قدرت Homsh در ساخت یک جامعه هوشمند ادامه خواهیم داد. نوآوری بیپایان است و فناوری Homsh به رهبری پیشرفت فناوری صنعت ادامه خواهد داد.»
چشمانداز: آینده تشخیص عنبیه هوشمند
با تکامل مداوم فناوری هوش مصنوعی و بهبود زیرساختهایی مانند 5G و محاسبات لبه، تشخیص عنبیه از «سناریوهای تخصصی» به «کاربردهای فراگیر» در حال حرکت است. راهحل دو پتنت فناوری Homsh، با عملکرد فنی برجسته و قابلیتهای مهندسی خود، کاملاً آماده است تا با انفجار بازار در دهه آینده مواجه شود. این شرکت به سرمایهگذاری در منابع تحقیق و توسعه و ایجاد نوآوریهای مستمر در جهاتی مانند همجوشی چندوجهی (عنبیه + چهره + اثر انگشت)، تشخیص زنده بودن و محاسبات حریم خصوصی ادامه خواهد داد و به ایجاد یک جامعه دیجیتالی ایمنتر، هوشمندتر و راحتتر کمک خواهد کرد.
درباره فناوری Homsh
فناوری Homsh یک ارائهدهنده پیشرو فناوری تشخیص عنبیه در چین است که بر تحقیق و توسعه و صنعتیسازی الگوریتمهای تشخیص عنبیه، تراشهها و سیستمها متمرکز است. این شرکت دارای تعدادی پتنت فناوری اصلی از جمله اولین تراشه ASIC جهان است که به تشخیص عنبیه اختصاص دارد و محصولات آن بهطور گسترده در زمینههایی مانند امور مالی، امنیت و مراقبتهای بهداشتی استفاده میشود.
